Author Affiliations
Abstract
1 State Key Laboratory of Magnetic Resonance and Atomic and Molecular Physics, Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan, Hubei, P. R. China
2 Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, Hubei, P. R. China
3 University of Chinese Academy of Sciences, Beijing, P. R. China
Interactions between the central nervous system (CNS) and autonomic nervous system (ANS) play a crucial role in modulating perception, cognition, and emotion production. Previous studies on CNS–ANS interactions, or heart–brain coupling, have often used heart rate variability (HRV) metrics derived from electrocardiography (ECG) recordings as empirical measurements of sympathetic and parasympathetic activities. Functional near-infrared spectroscopy (fNIRS) is a functional brain imaging modality that is increasingly used in brain and cognition studies. The fNIRS signals contain frequency bands representing both neural activity oscillations and heartbeat rhythms. Therefore, fNIRS data acquired in neuroimaging studies can potentially provide a single-modality approach to measure task-induced responses in the brain and ANS synchronously, allowing analysis of CNS–ANS interactions. In this proof-of-concept study, fNIRS was used to record hemodynamic changes from the foreheads of 20 university students as they each played a round of multiplayer online battle arena (MOBA) game. From the fNIRS recordings, neural and heartbeat frequency bands were extracted to assess prefrontal activities and short-term pulse rate variability (PRV), an approximation for short-term HRV, respectively. Under the experimental conditions used, fNIRS-derived PRV metrics showed good correlations with ECG-derived HRV golden standards, in terms of absolute measurements and video game playing (VGP)-related changes. It was also observed that, similar to previous studies on physical activity and exercise, the PRV metrics closely related to parasympathetic activities recovered slower than the PRV indicators of sympathetic activities after VGP. It is concluded that it is feasible to use fNIRS to monitor concurrent brain and ANS activations during online VGP, facilitating the understanding of VGP-related heart–brain coupling.
Journal of Innovative Optical Health Sciences
2023, 16(6): 2340005
1 中国科学院 长春光学精密机械与物理研究所精密仪器与装备研发中心， 长春 130033
2 中国科学院大学， 北京 100049
心率是人身体健康的一个重要指标，从人脸视频中检测心率是一种正在快速发展的非接触式检测方法，但该方法的结果准确性易受光照变化及受试者头部运动等噪声影响。为了消除噪声影响，提高心率检测准确性，文章创新性地提出了一种新的思路: 将光照变化和头部运动噪声作为目标进行趋势拟合并从相机原始信号中消除，以实现高信噪比的人体心率信号提取。为验证方法的可行性，以医用指夹式脉搏血氧仪的数值为参考心率，通过对比结果在参考心率处的平均信噪比和心率检测准确率，提出的方法相比POS方法提高了9.60%，37.19%; 相比于ICA算法提高了48.48%，51.75%。实验结果表明，提出的新方法具有较好的去噪能力和较高的精准度。
远程光电容积脉搏波 心率测量 多项式拟合 remote photoplethysmography heart rate measurement polynomial fitting
1 北京理工大学光电学院，北京 100081
2 精密光电测试仪器及技术北京市重点实验室，北京 100081
3 北京理工大学长三角研究院（嘉兴），浙江 嘉兴 314019
提出了一种基于近红外视频的心率检测方法。该方法采用正交分解投影结合奇异值分解（OP-SVD）的方法，实现了夜间运动状态下的高精度鲁棒性心率检测。该方法通过人脸标志点检测，将人脸分为多个感兴趣子区域，获得了多通道成像式光电容积描记（IPPG）信号；采用正交分解投影法去除多通道IPPG信号中的运动伪迹；接着利用奇异值分解法再次去噪，并通过重构子区域信号获得了高信噪比IPPG信号，最终实现了心率的准确提取。实验结果表明，与传统方法相比，该方法的误差最小，其平均绝对误差（MAE）值达到了3.14 bit/min。
医用光学 近红外视频 成像式光电容积描记术 心率 正交分解投影 奇异值分解 中国激光
2023, 50(21): 2107202
苏州大学 电子信息学院, 江苏 苏州 215006
针对在外部干扰或昏暗环境下利用图像光电容积描记(image Photoplethysmography, iPPG)技术进行心率测量时准确度较差, 提出了一种自适应心率提取算法, 并在嵌入式硬件平台上进行了验证。算法根据图像中人脸与背景区域的色度关系来识别不同的场景并启动合适的摄像头进行图像采集及自适应映射, 接着对提取出的信号进行滤波, 在信号质量评估后输出结果。上述方法在Zynq平台上进行了验证, 使用双摄像头实现实时心率测量, 并对结果进行可视化输出。实验结果表明: 优化后的算法在光照及运动的双重干扰下的测量误差从3.36BPM降至2.78BPM, 准确率提升了17.3%。另外, 所设计的系统能够实现在极端黑暗条件下的心率采集, 平均误差约为2.39BPM。
图像光电容积描记法 心率测量 抗干扰 信号处理 image Photoplethysmography (iPPG) heart rate measurement Zynq Zynq anti-interference signal processing
1 天津工业大学 电子与信息工程学院 天津市光电检测技术与系统重点实验室，天津 300387
2 天津工业大学 计算机科学与技术学院，天津 300387
3 巴塞罗那大学 电子与生物医学工程学院，西班牙 E-08028
为了实现光纤光栅传感器在可穿戴系统中的应用，提出了一种基于硅基光子集成芯片的可穿戴光纤光栅传感解调系统。基于比利时iSiPP50G工艺的光子集成芯片由4×1长波长VCSEL阵列、1×8阵列波导光栅、2×2 MMI耦合器、4×1光纤光栅耦合器阵列、Ge-on-Si波导光电探测器、直波导和弯曲波导等组成。在完成对VCSEL光源金线键合和光子集成芯片光纤耦合封装的基础上，设计了手环式解调电路，对人体温度和心音信号进行了实时测量。实验结果表明: 解调系统的动态波长检测范围为1 540 nm～1 560 nm，波长分辨率为0.08 pm，解调精度为5 pm，温度监测范围为35 ℃～42 ℃，误差为±0.1 ℃；可检测50 Hz～100 Hz频率范围内的心音信号，可识别出第一心音和第二心音，并计算出心动周期、心率、第一心音时限、第二心音时限和心力等特征参数。
光纤光栅传感解调 光子集成芯片 温度 心音 可穿戴 fiber grating sensing demodulation photonic integrated chip temperature heart sound wearable
1 长春理工大学 生命科学技术学院, 吉林 长春 130022
2 皇家墨尔本理工大学 信息系统和商业分析系, 维多利亚州 卡尔顿 3001
3 墨尔本大学 计算与信息系统学院, 墨尔本 3053
为了实现非接触式的日常精神压力检测，本文提出了一种基于成像式光体积描记术的精神压力检测方法。首先，通过手机摄像头记录受试者面部视频，再采用本文所提出的基于Face Mesh的动态感兴趣区域（Region of Interest，ROI）提取方法获得心率波动引起的皮肤微弱颜色变化。接下来，将快速独立成分分析（FastICA）算法、小波变换和窄带带通滤波相结合，提取基于图像的光体积描记术信号和心率变异性信息。然后，对30名受试者进行了压力诱导实验，通过比较受试者正常和应激状态下心率变异性参数的差异，筛选了用于精神压力检测的14个特征，并探讨了压力诱导的短期精神压力和日常精神压力之间的关系。最后，另外选取67名受试者进行日常精神压力检测，使用机器学习算法建立了精神压力检测的三分类器。实验结果表明：精神压力三分类准确率达到95.2%。鉴于这种方法不需要长期测量，仅使用智能手机就可以准确检测人类精神压力水平，而且测量方法简单，测量时间短，易操作，不会影响受试者的正常心理和精神状态，因此可以作为一种有效的心理学研究工具。
非接触 精神压力检测 成像式光体积描记术 心率变异性 三分类 non-contact mental pressure detection image photoplethysmography heart rate variability ternary classification
1 国防科技大学 前沿交叉学科学院，高功率微波技术研究所，长沙 410072
2 脉冲功率激光技术国家重点实验室，长沙 410072
通过理论计算、数值仿真和实验验证的方法，研究了一台峰值功率数十GW、重复频率5 Hz的重复频率高功率脉冲驱动源，命名为“HEART-50”。该脉冲驱动源由充电电源、初级开关、脉冲形成线、主开关、阻抗变换线，以及假负载构成。首先介绍了HEART-50重复频率高功率脉冲驱动源整体设计思路；其次，对基于混合液体介质的高功率脉冲形成线和气体介质主开关进行了数值分析，并对其全电路工作能力进行了仿真分析；最后，对研制的HEART-50重复频率高功率脉冲驱动源进行了实验验证。结果表明，脉冲驱动源能够输出峰值电压520 kV，脉冲宽度约90 ns，脉冲上升沿小于25 ns，重复频率5 Hz的准方波电脉冲，峰值电功率约为25.3 GW，且具有较好的运行稳定性。
脉冲功率技术 高功率 重复频率 HEART-50 pulsed power technology high power repetitive rate HEART-50 强激光与粒子束
2022, 34(9): 095014
1 天津中医药大学中药制药工程学院, 天津 300193
2 中国医学科学院生物医学工程研究所, 天津 300192
3 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
4 北京工业大学信息学部, 北京 100124
高血压合并冠心病是高血压疾病的一类严重合并症。 目前高血压患者对合并冠心病的情况检测不及时, 容易导致严重事件的发生, 其致残率、 致死率极高, 严重影响患者的生活质量。 因此对高血压患者合并冠心病的早期发现对预防更严重事件的发生显得尤为重要。 舌体信息与心血管功能关系密切, 为此, 提出一种基于舌体高光谱用于高血压患者中合并冠心病筛查新方法。 采集154例心血管科门诊患者舌体377.8~1 049.1 nm高光谱数据并记录临床诊断信息。 对高血压患者组及高血压合并冠心病患者组舌体光谱比较发现, 在500~600 nm波段之间, 两组光谱存在显著性差异。 基于中医舌诊分区理论, 对舌体进行区域划分, 划分为舌尖、 舌左、 舌中、 舌右以及舌根五个区域。 各舌体分区在波长509.6和561.2 nm以及540.5和576.7 nm均存在极大和极小值, 这与血红蛋白对光的吸收特征相吻合。 对组间各舌体区域光谱特征进行差异性分析。 T检验分析结果显示高血压患者组与高血压合并冠心病患者组舌尖与舌中区域光谱具有显著性差异。 基于高血压患者组与高血压合并冠心病患者组舌体不同区域光谱特征的差异性, 利用神经网络, 选取500~600 nm舌尖与舌中光谱数据进行后续高血压患者组与高血压合并冠心病患者组分类辨识模型的建立。 选用准确度、 灵敏度以及特异性作为模型预测能力的评价指标。 最终获得模型的预测准确度、 灵敏度以及特异性分别为84.78%, 86.95%和82.61%。 实验结果表明高血压患者与高血压合并冠心病患者舌体高光谱信息之间存在显著性差异。 利用舌体高光谱所建立的分类模型能够用于高血压以及高血压合并冠心病患者的无创辨识, 为高血压患者中高血压合并冠心病的早期发现提供一种有效筛查手段。
中医 舌诊 高光谱 分区 高血压 高血压合并冠心病 Chinese medicine Tongue Hyperspectral imaging Partition Hypertension disease (HD) Coronary heart disease (CHD)
